[发明专利]一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法

说明书

本发明公开了一种利用光声成像和深度学习网络检测物质颗粒平均尺寸的方法，包括：选取足够数量与待测物质样本相似的其他物质样本作为学习样本；利用显微技术获得学习样本所包含物质颗粒的平均尺寸；激光器照射学习样本，采集光声信号；计算学习样本光声信号的幅度谱，并对幅度谱进行能量归一化；利用深度学习网络，将学习样本的光声信号幅度谱作为网络的输入，由显微技术得到的颗粒真实平均尺寸作为网络的输出，对学习样本进行训练和测试，确定深度学习网络的各项参数；测量待测物质样本的光声信号，计算其能量归一化后的幅度谱，将幅度谱输入深度学习网络，根据网络的输出预测该待测物质样本颗粒的平均尺寸。

技术领域

本发明属于光学、声学、生物医学、信号处理及深度学习领域，尤其涉及一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法。

背景技术

在医学、材料学、生物学、化学、食品安全等多种领域需要研究物质微观的结构特征，其中物质颗粒的尺寸是判断物质微观结构特征一项重要的指标参数。检测物质颗粒的平均尺寸的传统方法是通过显微技术，捕捉物质在显微技术下被放大的局部图像，并通过人工或者图像处理的技术统计成像区域内物质颗粒的平均尺寸。因而传统的方法需要繁琐的过程和大量的统计工作。

光声成像反映了物质的光吸收分布，通过激光器照射物质，超声装置接收到来自物质的声信号，其频谱能够体现物质微观结构的特征。深度网络能够拟合多维输入到多维输出的非线性关系。相比传统的信号频谱的分析方法，利用深度网络分析信号频谱，能够充分利用信号频谱的信息，准确地计算和预测目标输出。

发明内容

发明目的：本发明所要解决的技术问题是通过光声成像和深度网络的方法获得合适的深度网络参数，避免复杂的显微和统计工作，实现对物质颗粒平均尺寸的检测。

为了解决上述技术问题，本发明公开了一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，包括如下步骤：

步骤1，选取足够数量的与待测物质样本sample₀同类的其他物质样本 sample_p，p＝1，2，3，...，P，构成P个学习样本；

步骤2，利用显微技术观察学习样本的内部结构，并计算每个学习样本所包含物质颗粒的平均尺寸s_p，p＝1，2，3，...，P，作为学习样本包含颗粒的真实平均尺寸；

步骤3，搭建光声信号的测量装置：选取合适的激光器发射频率f_a，调整激光器以及聚焦装置使聚焦后的光束照射在样本测量区域，物质样本放置在样本测量区域，位于样本旁侧的超声装置接收并采样声信号，超声装置所能接收的频段为f_l～f_u，采样频率为f_s；

步骤4，利用步骤3中的光声信号测量装置分别测量和接收P个学习样本的光声信号w_p(n)，p＝1，2，3，...，P，n＝0，1，2，...，N-1，信号采样时长

步骤5，计算每段光声信号w_p(n)的离散傅里叶变换 W_p(k)＝DFT[w_p(n)]，p＝1，2，3，..，，P，k＝0，1，2，...，N-1，计算W_p(k)的模|W_p(k)|，并对 |W_p(k)|进行能量归一化得到归一化后的信号幅度谱p＝1，2，3，...，P，k＝0，1，2，...，N-1；